基于贝叶斯网络内河船舶碰撞人失误分析.docVIP

基于贝叶斯网络内河船舶碰撞人失误分析 　　DOI：10.13340/j.jsmu.2017.03.008 　　文章编号：1672-9498（2017 　　摘要： 　　为分析对船舶航行安全有显著影响的人的因素，引入Swain Guttmann模型和贝叶斯网络分析内河船舶碰撞事故。依据Swain Guttmann模型的信息处理过程（感知、决策和行动）梳理内河船舶碰撞形成机理。利用领域专家知识和小样本量数据学习法构建贝叶斯网络，计算网络节点间的条件概率。利用贝叶斯网络的不确定性知识推理方法，得出影响船舶航行安全的关键人的因素。该结果与真实事故案例统计结果相吻合，这说明Swain Guttmann模型和贝叶斯网络适用于对内河船舶航行安全的综合分析。 　　关键词： 　　航运安全； 内河船舶碰撞； ?叶斯网络； 最大期望算法； 安全风险； 人的失误 　　中图分类号： U698.6 　　文献标志码： A 　　Human error analysis of inland ship collision based on Bayesian network 　　CHEN Yadonga， ZHANG Yanmengb， HU Haoa 　　（a. School of Naval Architecture， Ocean Civil Engineering； b. Chinese Underwater Technology Institute， 　　Shanghai Jiaotong University， Shanghai 200240， China） 　　Abstract： 　　In order to analyze human factors that have a significant impact on the ship navigation safety， the Swain Guttmann model and Bayesian network are proposed to analyze inland ship collision accidents. The collision mechanism is summarized according to the information processing procedure （perception， decision making and action） of the Swain Guttmann model. The Bayesian network is established with the combination of the domain expert knowledge and the learning method with small amount of sample data， and the conditional probabilities between the network nodes are computed. The main human factors， obtained using the uncertain knowledge inference method of the Bayesian network， are consistent with the statistical results from real accident cases， which reveals that the Swain Guttmann model and Bayesian network are applicable for comprehensive analysis of inland ship navigation safety. 　　Key words： 　　navigation safety； inland ship collision； Bayesian network； expectation maximization algorithm； safety risk； human error 　　0引言 　　随着内河水路运输需求持续高涨，水路通航密度增大，通航环境日益复杂，碰撞事故成为最频发的内河船舶安全事故。学者们[13]通过研究认为，80%的船舶安全事故与人的因素有关，且随着航行设备与航行技术的发展，人的因素在航行安全中的作用愈加显著。 　　船舶碰撞事故中人的失误存在不确定性，各种失误间存在因果关联关系。近几年，数据挖掘技术在船舶航行安全领域人的可靠性分析中得到了应用。贝叶斯网络结合数据挖掘和不确定性知识推理，是目前在多领域均得到广泛应用的一种人工智能技术。[4]198